一种相机模组颜色数据标定方法专利检索-颜色数据图形技术专利检索查询-专利查询网

一种相机模组 颜色数据标定方法

阅读：221发布：2020-05-11

专利汇可以提供一种相机模组颜色数据标定方法专利检索，专利查询，专利分析的服务。并且本发明公开一种相机模组颜色数据标定方法，其中包括：平均值求取步骤，在使用标准的D65 光源照射下，对标准24色的色标卡进行拍摄采集，然后根据不同的颜色类型选取20×20pixels的区域，并求取该区域内R，G和B三分量的平均值；空间转换步骤，将训练样本的标准色度值由 RGB颜色空间转换到CIE Lab颜色空间，再将颜色数据从CIE XYZ空间转换到CIE Lab空间；回归训练建模步骤，利用CIE Lab颜色空间的样本值和标准色度值进行K‑PLSR回归训练建模；预测标定步骤，利用CIE Lab颜色空间建立的回归模型可对任意光照环境的相机模组采集图像进行预测标定，并再次从CIE Lab颜色空间转换到RGB颜色空间；以及存储步骤，对得到的标定矩阵进行存储。，下面是一种相机模组颜色数据标定方法专利的具体信息内容。

权利要求

1.一种相机模组颜色数据标定方法，其特征在于，
包括：
平均值求取步骤，在使用标准的D65 光源照射下，对标准24色的色标卡进行拍摄采集，然后根据不同的颜色类型选取20×20pixels的区域，并求取该区域内R，G和B三分量的平均值；
空间转换步骤，将训练样本的标准色度值由RGB颜色空间转换到CIE Lab颜色空间，再将颜色数据从CIE XYZ空间转换到CIE Lab空间；
回归训练建模步骤，利用CIE Lab颜色空间的样本值和标准色度值进行K-PLSR回归训练建模；
预测标定步骤，利用CIE Lab颜色空间建立的回归模型可对任意光照环境的相机模组采集图像进行预测标定，并再次从CIE Lab颜色空间转换到RGB颜色空间；以及存储步骤，对得到的标定矩阵进行存储。
2.根据权利要求1所述的相机模组颜色数据标定方法，其特征在于，
所述空间转换步骤中，从RGB颜色空间到CIE XYZ空间的转换过程及公式为：

3.根据权利要求1所述的相机模组颜色数据标定方法，其特征在于，
所述空间转换步骤中，将颜色数据从CIE XYZ空间转换到CIE Lab空间，公式如下：

其中Xn，Yn和Zn是CIE XYZ三通道的基准白点值，D65光源下分别为0.950456，1和
1.089058。
4.根据权利要求2所述的相机模组颜色数据标定方法，其特征在于，
所述空间转换步骤中，将颜色数据从CIE XYZ空间转换到CIE Lab空间，公式如下：

其中Xn，Yn和Zn是CIE XYZ三通道的基准白点值，D65光源下分别为0.950456，1和
1.089058。
5.根据权利要求1～4中任一项所述的相机模组颜色数据标定方法，其特征在于，所述回归训练建模步骤中，训练的具体计算过程包括以下子步骤：
S31  选取高斯径向基函数作为核函数：

S32  利用核函数将自变量映射到向量空间，并将其中心化，同时将因变量空间正则化；
S33  生成随机初始化因变量空间的潜变量u；
S34  利用特征空间的映射矩阵，计算自变量空间的潜变量t：
t＝ΦΦTu
S35  将自变量空间的潜变量归一化；

S36  计算因变量空间潜变量的权重向量；
c＝YTt
S37  计算因变量空间潜变量u；
u＝Yc
S38  将因变量空间的潜在变量正则化；

S39  重复S35～S38步骤，直至收敛；
S310 计算特征空间和因变量空间的残差；
S311 重复以上步骤；
S312 计算回归系数。

说明书全文

一种相机模组颜色数据标定方法

技术领域

[0001] 本发明涉及模式识别领域，特别涉及一种基于核偏回归模型的颜色数据标定方法。

背景技术

[0002] 随着图像和视频等信息在人们日常生活交流中的广泛使用，在智能手机和相机等各类采集装置中，所用的相机模组是其中最重要的部件，直接影响拍摄图像的品质。对相机模组的测试有很多指标，包括白平衡，伽马校正，颜色校正和标定等。其中颜色的标定是重要的一项，经过标定后的颜色才能真实的表现物体的颜色，并且与人眼的主观经验相符合，颜色的视觉效果要自然舒适。在进行颜色的标定时，通常在标准的灯箱光源下拍摄标准色卡，分析模组采集输出的颜色数据与标准色卡标准值之间的关系，并建立校正模型，从而实现相机模组的颜色标定。在实际的标定过程中，由于光源稳定性，外界光照影响以及噪声等的影响，采集到的这些颜色数据需要使用合理的回归模型进行处理。。

[0003] 因此，为了解决现有的颜色标定方法中存在的问题，本发明的目的在于提供一种基于核偏最小二乘回归方法(Kernel Partial Least Square Regression,K-PLSR)来实现在可能存在噪声干扰条件下，相机模组颜色的准确标定。利用K-PLSR方法可以很好解决普通多元回归存在的问题，本方法利用非线性变换核函数将自变量空间映射到高维特征空间中，在高维特征空间中进行回归，克服了只能处理线性关系的局限性，从而极大的提高了拟合和预测的精度。因此，本发明设计并实现的K-PLSR，用于拟合采集的颜色数据，得到了准确的模组颜色映射模型，可以很好的解决目前颜色标定中存在的问题。

[0004] 为了解决在自变量之间的多重相关性，样本数相对较少时，对非线性关系拟合精度不高等的问题。利用K-PLSR方法可以很好解决普通多元回归存在的问题。

发明内容

[0005] 本发明公开一种相机模组颜色数据标定方法，其中，包括：平均值求取步骤，在使用标准的D65光源照射下，对标准24色的色标卡进行拍摄采集，然后根据不同的颜色类型选取20×20pixels的区域，并求取该区域内R,G和B三分量的平均值；空间转换步骤，将训练样本的标准色度值由RGB颜色空间转换到CIE Lab颜色空间，再将颜色数据从CIE XYZ空间转换到CIE Lab空间；回归训练建模步骤，利用CIE Lab颜色空间的样本值和标准色度值进行K-PLSR回归训练建模；预测标定步骤，利用CIE Lab颜色空间建立的回归模型可对任意光照环境的相机模组采集图像进行预测标定，并再次从CIE Lab颜色空间转换到RGB颜色空间；以及存储步骤，对得到的标定矩阵进行存储。

[0006] 本发明的相机模组颜色数据标定方法，也可以是，所述空间转换步骤中，从RGB颜色空间到CIE XYZ空间的转换过程及公式为：

[0007]

[0008] 本发明的的相机模组颜色数据标定方法，也可以是，所述空间转换步骤中，将颜色数据从CIE XYZ空间转换到CIE Lab空间，公式如下：

[0009]

[0010]

[0011] 其中Xn，Yn和Zn是CIE XYZ三通道的基准白点值，D65光源下分别为0.950456，1和1.089058。

[0012] 本发明的的相机模组颜色数据标定方法，也可以是，所述回归训练建模步骤中，训练的具体计算过程包括以下子步骤：

[0013] S31选取高斯径向基函数作为核函数：

[0014]

[0015] S32利用核函数将自变量映射到向量空间，并将其中心化，同时将因变量空间正则化；

[0016] S33随机初始化因变量空间的潜变量u；

[0017] S34利用特征空间的映射矩阵，计算自变量空间的潜变量t：

[0018] t＝ΦΦTu

[0019] S35将自变量空间的潜变量归一化；

[0020]

[0021] S36计算因变量空间潜变量的权重向量；

[0022] c＝YTt

[0023] S37计算因变量空间潜变量u；

[0024] u＝Yc

[0025] S38将因变量空间的潜在变量正则化；

[0026]

[0027] S39重复S35～S38步骤，直至收敛；

[0028] S310计算特征空间和因变量空间的残差；

[0029] S311重复以上步骤；

[0030] S312计算回归系数。附图说明

[0031] 图1是表示本发明的相机模组颜色数据标定方法的主流程图。

[0032] 图2是表示回归训练建模步骤中训练的具体计算过程的子流程图。

具体实施方式

[0033] 为了使本发明的目的、技术方案及优点更加清楚明白，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

[0034] 如图1所示，用于实施的硬件环境是：标准色卡，标准照明光源。所用计算机CPU为Intel Core I5，内存为4GB。处理软件环境为：Matlab R2010b和Windows7。

[0035] 本发明具体实施如下：

[0036] 步骤S1.在使用标准的D65光源照射下，对标准24色的色标卡进行拍摄采集，然后根据不同的颜色类型选取20×20pixels的区域，并求取该区域内R,G和B三分量的平均值。

[0037] 步骤S2.将训练样本的标准色度值由RGB颜色空间转换到CIE Lab颜色空间，从RGB颜色空间到CIE XYZ空间的转换过程及公式为：

[0038]

[0039] 再将颜色数据从CIE XYZ空间转换到CIE Lab空间，公式如下：

[0040]

[0041]

[0042] 其中Xn，Yn和Zn是CIE XYZ三通道的基准白点值，D65光源下分别为0.950456，1和1.089058。

[0043] 步骤S3中，如图2的子流程图所示，利用CIE Lab颜色空间的样本值和标准色度值进行K-PLSR回归训练建模，训练的具体计算过程见如下描述：

[0044] S31选取高斯径向基函数作为核函数：

[0045]

[0046] S32利用核函数将自变量映射到向量空间，并将其中心化，同时将因变量空间正则化；

[0047] S33随机初始化因变量空间的潜变量u；

[0048] S34利用特征空间的映射矩阵，计算自变量空间的潜变量t：

[0049] t＝ΦΦTu

[0050]

[0051] S35将自变量空间的潜变量归一化；

[0052] S36计算因变量空间潜变量的权重向量；

[0053] c＝YTt

[0054] S37计算因变量空间潜变量u；

[0055] u＝Yc

[0056] S38将因变量空间的潜在变量正则化；

[0057]

[0058] S39重复S35～S38步骤，直至收敛；

[0059] S310计算特征空间和因变量空间的残差；

[0060] S311重复以上步骤；

[0061] S312计算回归系数。

[0062] 步骤S4中，利用CIE Lab颜色空间建立的回归模型可对任意光照环境的相机模组采集图像进行预测标定，并再次从CIE Lab颜色空间转换到RGB颜色空间，对得到的标定矩阵进行存储。

[0063] 本发明涉及一种利用K-PLSR模型进行色彩标定的方法。从标准的样本中选取不同颜色点作为训练样本，利用级联的K-PLSR模型对这些数据进行学习，得到校正的回归系数，最后使用建立的模型对测试数据进行回归，可以得到最后的标定估计矩阵，确保实现高精度的颜色标定。

[0064] 以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

标题	发布/更新时间	阅读量
颜色数据互联网管理方法与系统	2020-05-11	71
一种获得物体三维和颜色数据的系统和方法	2020-05-11	827
涂料颜色数据库的创建方法、使用数据库的检索方法、及其系统、程序和记录介质	2020-05-12	710
一种基于颜色数据分析的物质含量检测方法、系统及装置	2020-05-11	164
一种使用主颜色数据融合提高遥感影像分类的方法	2020-05-12	964
디스플레이 장치의 색 측정 데이터 처리 방법	2020-05-13	246
화상형성장치에서의 색채데이터 제거방법 및 이를 위한장치	2020-05-14	711
칼라정보처리를 이용한 차선이탈경보장치등 및 그 방법	2020-05-14	132
彩色图像的颜色数据管理方法	2020-05-11	626
HARDWARE-ACCELERATED COLOR DATA PROCESSING	2020-05-12	823

一种相机模组颜色数据标定方法

一种相机模组颜色数据标定方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：